学层次解说关于对“搜索权重”的理解

1.为什么操作一样，结果却不一样，新品不起流量
2.为什么销量越做越多，流量却越来越少
3.为什么操作很久之后才发现流量有起伏，而不如原来那么立竿见影

不知道大家是否会遇到以上的问题。造成以上问题或者更多问题的原因主要有两个，第一搜索引擎/规则不是固化的，他也会在一定周期进行调整和优化。第二绝大多数人了解和学习到的是一套方法，而不是根本原理，所以一旦出现调整，方法非常容易失效。所以今天我们抛开方法论，我们根据以往的成功或者失败的经验一起来推敲一下搜索引擎的工作原理是否存在一下几点

淘宝有几十亿商品，挂靠在几千个叶子类目，上百个一级类目，十几个行业下面。如何能让用户找到符合意图的商品，是淘宝搜索需要解决的首要问题。

淘宝搜索从大的架构或流程上来说，与传统的搜索引擎有不少相似的地方。包括对数据的整理、分析、索引产生索引库，如何根据用户输入的关键词在索引倒排表中进行检索，完成商品与检索之间的相关度评价，对将要输出的结果进行排序，并实现某种用户相关性反馈机制等。当然作为电商的商品搜索来说，它天然的商业属性带来的更多是自身独特的技术特点。

淘宝的搜索引擎与百度，谷歌等搜索引擎公司的产品是有一定区别的，淘宝的搜索引擎是基于平台的需求主要运用的是消费平台推荐算法为主。那么不管是百度，谷歌，淘宝，在搜索引擎查找能够满足用户需求时，主要考虑两方面因素：一方面是用户发出的查询与结果内容的相关性，另一方面就是通过一定的分析方法计算出结果的重要性，搜索引擎融合两者，共同拟合出一个评分，来对搜索结果进行排序，以上这些并不能完全代表搜索引擎的工作原理，只是片面的讲解来让大家更容易理解。

通过以上分析，那么我们可以得到两个重要信息，第一查询与结果的相关性，第二分析结果的重要性（可以理解为权重）进行排序。因此第一点也就是大家耳熟能详的问题，比如错放类目，乱用关键词等等就会造成查询与结果相关性的不匹配，造成无法获取流量。

第二点，我们根据淘宝搜索引擎的一些特性，应该从以下三个方面来分析它对于结果重要性的评判（当然搜索引擎是复杂非线性，我们通过断章取义去抓住一些它运作的核心来分析）

1.通过渠道维度来分析，分配结果重要性的高低
2.通过时间维度来分析，分配结果的重要性高低
3.通过行为维度来分析，分配结果的重要性高低

首先我们先来看第一条，通过渠道来分析，首先我们知道搜索引擎是输入行为产出输出结果，输入的是关键词，输出的是查询结果页，而排序是由于不同的权重评分累计运算的结果。从直接关系上来讲，通过搜索行为得到的搜索权重应为最大，从间接关系上来讲，通过其他渠道累计的权重次之，因此搜索关键词产生的一切行为及直通车通过关键词产生的行为都会相对产生较高的权重，其他渠道来源产生的权重会次之。

第二条，通过时间维度来分析，通常用户产生需求到结果落地，会经历以下几个过程，产生搜索需求（购买需求）——选择购买——拍下——付款——成交收货——评价（或售后）——追评，这是第一个时间维度来看，第二个时间维度则为根据淘宝的30天周期轮播行为，则可以判断起始的权重较高，递减至第30天，31天数据无效。因此从用户购买行为的时间来判断一笔订单的权重会被分配为几个阶段结算，而从数据留存角度来判断，数据累计会根据时间推进而衰减所以我们在维护数据的时候不仅仅因该是只考虑付款同样收货，评价也会被分段结算得分，而第二个角度得到的反推结果就是为什么递增的效果会好的原因，所以日常经营中也要更关注日销，实销，这些数据最好的参考值是你的竞争对手，毕竟所有的结果不是单独评判，淘宝的搜索有一定的商业诉求，所有结果最好的评判方式是在一定范围内的池子里面进行赛马比对。从而判断优劣。

第三条，从行为维度来分析，淘宝搜索引擎的一个特点在于全链路特性，不同于其他引擎产生结果后，用户会跳转到另外的页面，对用户行为数据的抓取是比较繁琐，而淘宝是内在闭环，对搜索前，搜索中，搜索后的数据和信息抓取会相对容易获取，搜索排序算法除了对搜索技术本身的追求之外，还包含了更多的商业诉求，以及用户的体验结果。

因此通过用户的各种行为判断通过对比学习来分类权重，这里包括但不仅限于以下几个方面的行为：点击，付款，收藏，加购，停留时间，访问深度，转化，跳失等等

淘宝的搜索经过了“检索时代”“大规模机器学习时代”“大规模实时在线学习时代”“深度学习与智能决策时代”引擎的优化会越来越智能化，终其最主要的目的一是如何能让用户找到符合意图满意的产品，二是商业诉求，最后总结也就是急要考虑用户的搜索体验，也要基于商业规则来保障公平性和诉求点。所以不论搜索如何调整，方法永远在变，但核心原理不太会被颠覆。